Introduction

class: center, middle, inverse, title-slide

# Introduction
## Analyse spatiale des agroécosystèmes avec R
### Antoine Casquin
### Inrae, UMR SAS
### 31 Août 2021

---

## Motivations pour l'analyse de données spatiales et la cartographie  en R
- Automatisation de tâches répétitives

- Reproductibilité / Transférabilité

- Intégration dans R et ses nombreux packages "métiers"

-   Facilité pour l'analyse exploratoire
  
  -   Utilisation d'algorithmes récents
  
  -   Des données brutes à la figure finale dans le même logiciel

<div>
<style type="text/css">.xaringan-extra-logo {
width: 110px;
height: 128px;
z-index: 0;
background-image: url(image/logo_inrae_sas.png);
background-size: contain;
background-repeat: no-repeat;
position: absolute;
top:1em;right:1em;
}
</style>
<script>(function () {
  let tries = 0
  function addLogo () {
    if (typeof slideshow === 'undefined') {
      tries += 1
      if (tries < 10) {
        setTimeout(addLogo, 100)
      }
    } else {
      document.querySelectorAll('.remark-slide-content:not(.title-slide):not(.inverse):not(.hide_logo)')
        .forEach(function (slide) {
          const logo = document.createElement('div')
          logo.classList = 'xaringan-extra-logo'
          logo.href = null
          slide.appendChild(logo)
        })
    }
  }
  document.addEventListener('DOMContentLoaded', addLogo)
})()</script>
</div>

---
## Flux de travail
### Des données brutes à la "Figure"
![](data:image/png;base64,#image/workflow/Diapositive1.PNG)

---
## Flux de travail
### De nombreux outils disponibles à chaque étape, +/- automatiques
![](data:image/png;base64,#image/workflow/Diapositive2.PNG)

---
## Flux de travail
### A chaque étape, un certain risque d'erreur
![](data:image/png;base64,#image/workflow/Diapositive3.PNG)

---
## Flux de travail
### En cas d'erreur constatée
![](data:image/png;base64,#image/workflow/Diapositive4.PNG)

---
## Flux de travail
### Il faut remonter à la source de celle-ci.
![](data:image/png;base64,#image/workflow/Diapositive5.PNG)

---
## Flux de travail
### Il faut remonter à la source de celle-ci..
![](data:image/png;base64,#image/workflow/Diapositive6.PNG)

---
## Flux de travail
### Il faut remonter à la source de celle-ci...
![](data:image/png;base64,#image/workflow/Diapositive7.PNG)

---
## Flux de travail
### Les outils les + "automatiques" sont aussi les + "reproductibles"
![](data:image/png;base64,#image/workflow/Diapositive8.PNG)
- Si le flux de travail est entièrement automatisé, l'erreur est plus facilement repérable et la correction de celle-ci n'implique pas de refaire tout le travail des étapes suivantes.
- "Mémoire" de tout ce qui a été fait depuis les données brutes

---
## Intêret d'un flux de travail automatisé
### Pas seulement pour corriger les erreurs
![](data:image/png;base64,#image/workflow/Diapositive10.PNG)

- Tester de nouvelles hypothèses / comparer des méthodologies
- Transférer la méthodologie sur un autre site d'étude
- Partager la méthodologie avec les collègues / la communauté

---
## Flux de travail
### Il est possible de réaliser toutes ces étapes en R !
![](data:image/png;base64,#image/workflow/Diapositive9.PNG)
<span style="font-size:60%"> .footnote[[ En Python aussi, mais je ne connais pas bien ...]] </span>

---
## Automatisation de tâches répétitives (Exemple)
.pull-left[
- Calculer pour chaque maille SAFRAN la précipitation mensuelle **(R/Python/Excel ...)**

- Calculer la précipitation mensuelle dans le site d'étude ainsi que l'écart-type et le CV entre les mailles **(R/Python/Excel ...)**  et insérer dans chaque sous-figure **(SIG/Illustrator ...)**

- Insérer les 17 cartes sur une grille régulière et avec une légende commune **(SIG/Illustrator ...)**

- ≈ **≈40 lignes de code** vs  **≈n heures de "clic**"
]

.pull-right[
<center>
![:scale 65%](data:image/png;base64,#image/variabilite_pluvio_yvel.png)<br />
Variabilité spatiale et temporelle des précipitations mensuelles dans le bassin versant de l'Yvel (2018-2019)
</center>
]

---
## Des données brutes à la figure finale dans le même logiciel (Exemple)
.pull-left[
- Calculer pour chaque maille SAFRAN la précipitation mensuelle **(R/Python/Excel ...)**

- Calculer la précipitation mensuelle dans le site d'étude ainsi que l'écart-type et le CV entre les mailles **(R/Python/Excel ...)**  et insérer dans chaque sous-figure **(SIG/Illustrator ...)**

- Insérer les 17 cartes sur une grille régulière et avec une légende commune **(SIG/Illustrator ...)**

- ≈ **R + packages "spatial"** vs **R/Python/Excel + SIG + Illustrator**"
]

---
## Accès à de nombreuses bases de données via API (package R)

.center[
<table class="table" style="font-size: 15px; margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:left;"> Data </th>
   <th style="text-align:left;"> R.package </th>
   <th style="text-align:left;"> Database </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:left;"> Administrative boundaries </td>
   <td style="text-align:left;"> rgeoboundaries </td>
   <td style="text-align:left;"> geoBoundaries </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Population </td>
   <td style="text-align:left;"> wopr </td>
   <td style="text-align:left;"> WorldPop </td>
  </tr>
  <tr>
   <td style="text-align:left;"> OpenStreetMap </td>
   <td style="text-align:left;"> osmdata </td>
   <td style="text-align:left;"> OpenStreetMap (OSM) </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Elevation </td>
   <td style="text-align:left;"> elevatr </td>
   <td style="text-align:left;"> AWS Terrain Tiles </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Temperature </td>
   <td style="text-align:left;"> raster </td>
   <td style="text-align:left;"> WorldClim </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Rainfall </td>
   <td style="text-align:left;"> nasapower </td>
   <td style="text-align:left;"> NASA-POWER Project </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Humidity </td>
   <td style="text-align:left;"> nasapower </td>
   <td style="text-align:left;"> NASA-POWER Project </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Vegetation </td>
   <td style="text-align:left;"> MODIStsp </td>
   <td style="text-align:left;"> MODIS </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Land cover </td>
   <td style="text-align:left;"> MODIStsp </td>
   <td style="text-align:left;"> MODIS </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Air pollution </td>
   <td style="text-align:left;"> openair </td>
   <td style="text-align:left;"> UK Department Environment Food &amp; Rural Affairs </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Demographic and Health Surveys (DHS) </td>
   <td style="text-align:left;"> rdhs </td>
   <td style="text-align:left;"> DHS Program </td>
  </tr>
</tbody>
</table>
]

Source :https://www.paulamoraga.com/presentation-geohealth/#12
https://rspatialdata.github.io/

---
## Accès à de nombreuses bases de données via API (package R)

The goal of **sdmpredictors** is to make environmental data, commonly used for species distribution modelling (SDM), also called ecological niche modelling (ENM) or habitat suitability modelling, easy to use in R. It contains methods for getting metadata about the available **environmental data for the current climate but also for future and paleo climatic conditions**. 
https://cran.r-project.org/web/packages/sdmpredictors/vignettes/quickstart.html

**MODIStsp** is an R package allowing to automatize the **creation of time series of rasters derived from MODIS Land Products data**. It allows performing several preprocessing steps on MODIS data available within a given time period.
https://cran.r-project.org/web/packages/MODIStsp/vignettes/MODIStsp.html

---
## Accès à un vaste écosystème de packages "métiers"

- Le package [motif](https://nowosad.github.io/motif/index.html) pour étudier des motifs du paysage

- Le package [gstat](https://cran.r-project.org/web/packages/gstat/vignettes/gstat.pdf) qui fournit des outils pour la géostatistique univariée et multivariée dont :
  - Variogramme simple et multi-directionnel
  - (Co)Kriging simple, ordinaire, universel ...
  - ...
  
- [spatstat](https://cran.r-project.org/web/packages/spatstat/index.html) Boïte à outils pour l'analyse spatial de motifs de points

- [spatialRF](https://github.com/BlasBenito/spatialRF) Régréssion "Forêt aléatoire spatiale"

- ...

- ** Plus de 275 packages sur le CRAN spécialisés dans l'analyse de données spatiales **
https://cran.r-project.org/web/views/Spatial.html

---
class: center, middle

# Gallerie

## De la simple "visualisation de couche" à de belles cartes
# 100% R

---
## Affichage simple d'une couche : points
![](data:image/png;base64,#image/gallerie_cartes/verysimplemap1.png)

.footnote[https://pmarchand1.github.io/atelier_rgeo/rgeo_workshop.html]

---
## Affichage simple d'une couche : polygones
![](data:image/png;base64,#image/gallerie_cartes/verysimplemap2.png)

.footnote[https://pmarchand1.github.io/atelier_rgeo/rgeo_workshop.html]

---
## Affichage simple d'une couche : raster
![](data:image/png;base64,#image/gallerie_cartes/simple_raster.png)

---
## Carte (très) simple : polygones et graticule
![](data:image/png;base64,#image/gallerie_cartes/verysimplemap3.png)

.footnote[https://pmarchand1.github.io/atelier_rgeo/rgeo_workshop.html]

---
## Carte (très) simple : points colorés en fonction d'un attribut
![](data:image/png;base64,#image/gallerie_cartes/ggplot_points.png)

.footnote[https://www.paulamoraga.com/book-geospatial/sec-spatialdataandCRS.html]

---
## Très pratique : Les "petits multiples" - raster
### Explorer la dimension temporelle d'une variable
<center>
![:scale 50%](data:image/png;base64,#image/gallerie_cartes/rasterVis_levelplot.png) <br />
</center>
.footnote[https://oscarperpinan.github.io/rastervis/]

---
## Très pratique : Les "petits multiples" - raster
### Explorer la dimension temporelle de plusieurs variables
![](data:image/png;base64,#image/gallerie_cartes/multi_plot.png)

.footnote[https://www.mdpi.com/2306-5729/4/3/92]

---
## Très pratique : Les "petits multiples" - polygones
### Visualiser plusieurs attributs d'un coup d'oeil
![:scale 75%](data:image/png;base64,#image/gallerie_cartes/ggplot_sf_multiplot.png)<br />
https://www.paulamoraga.com/book-geospatial/sec-spatialdataandCRS.html

---
## Cartogramme simple : variation de la taille d'un marqueur en fonction d'un attribut
<center>![:scale 50%](data:image/png;base64,#image/gallerie_cartes/sf-prop.png)<br /></center>
.footnote[https://riatelab.github.io/mapsf/articles/mapsf.html]

---
## Cartogramme simple : couleur de remplissage en fonction d'un attribut
<center>![:scale 60%](data:image/png;base64,#image/gallerie_cartes/sf-colors.png)<br /></center>
.footnote[https://riatelab.github.io/mapsf/articles/mapsf.html]

---
## Cartogramme simple : représentation de deux attributs
<center>![:scale 60%](data:image/png;base64,#image/gallerie_cartes/sf-prop-colors.png)<br /></center>
.footnote[https://riatelab.github.io/mapsf/articles/mapsf.html]

---
## Cartogramme simple avec insertion d'une carte de localisation
<center>![:scale 60%](data:image/png;base64,#image/gallerie_cartes/sf-inset1.png)<br /></center>
.footnote[https://riatelab.github.io/mapsf/articles/web_only/how_to_create_inset_maps.html]

---
## Cartogramme simple avec insertion d'un graphique
<center>![:scale 60%](data:image/png;base64,#image/gallerie_cartes/sf-inset2.png)<br /></center>
.footnote[https://riatelab.github.io/mapsf/articles/web_only/how_to_create_inset_maps.html]

---
## Carte "complète" : Reliefs Mondiaux
<center>![:scale 100%](data:image/png;base64,#image/gallerie_cartes/tmap-map.png)<br /></center>
.footnote[https://github.com/mtennekes/tmap]

---
## Carte "complète" : Taux d'obésité par comté, Etats-Unis
<center>![:scale 100%](data:image/png;base64,#image/gallerie_cartes/tmap-map2.png)<br /></center>
.footnote[https://github.com/mtennekes/tmap]

---
## Carte "complexe" : Economie, Grande métropoles et taux de croissance
<center>![:scale 100%](data:image/png;base64,#image/gallerie_cartes/tmap-map3.png)<br /></center>
.footnote[https://github.com/mtennekes/tmap]

---
## Carte "complexe" : Economie, Grande métropoles et taux de croissance
### Export web (leaflet)
<center>![:scale 100%](data:image/png;base64,#image/gallerie_cartes/tmap-map4-exportweb.jpeg)<br /></center>
.footnote[https://github.com/mtennekes/tmap]

---
class: center, middle
## De très belles cartes
# 100% R

---
## Carte "bi-variées" 
### Salaires moyens et inégalités en Suisse

<center>![:scale 75%](data:image/png;base64,#image/gallerie_cartes/bivariate_maps.png)<br /></center>
.footnote[https://timogrossenbacher.ch/2019/04/bivariate-maps-with-ggplot2-and-sf/]

---
## Carte "bi-variées" 
### Pluvométrie annuelle et intensité

<center>![:scale 85%](data:image/png;base64,#image/gallerie_cartes/bivariate_maps2.png)<br /></center>
.footnote[https://erdavis.com/2021/04/01/when-it-rains-does-it-pour/]

---
## Voir même à trois variables ...
### Structure des populations par région

<center>![:scale 65%](data:image/png;base64,#image/gallerie_cartes/ternary_color.png)<br /></center>
.footnote[https://github.com/ikashnitsky/the-lancet-2018/]

---
## Possibilité de faire des animations
<center>![:scale 85%](data:image/png;base64,#image/gallerie_cartes/animated_map_us.gif)<br /></center>
.footnote[https://geocompr.robinlovelace.net/adv-map.html#animated-maps]

---
## De la 3D
<center>![:scale 100%](data:image/png;base64,#image/gallerie_cartes/3d_static_rayshader.png)<br /></center>
.footnote[https://www.rayshader.com/]

---
## De la 3D animée !
<center>![:scale 100%](data:image/png;base64,#image/gallerie_cartes/3d_montbayaboveweb2.gif)<br /></center>
.footnote[https://www.tylermw.com/3d-maps-with-rayshader/]

---
## Une belle Figure d'illustration pour un article
<center>![:scale 70%](data:image/png;base64,#image/gallerie_cartes/map_layers.png)<br /></center>
.footnote[https://www.urbandemographics.org/post/figures-map-layers-r/]

---
class: center, middle
## Quelques réalisation issues de ma thèse
# 100% R

---
## "Petits multiples", raster
### Présentation d'un indice de configuration spatiale du paysage
<center>![:scale 80%](data:image/png;base64,#image/gallerie_cartes/these_small_multiples_raster.png)<br /></center>

---
## Version animée
.pull-left[![:scale 120%](data:image/png;base64,#image/gallerie_cartes/these_animated_rasters1.gif)]
.pull-left[![:scale 120%](data:image/png;base64,#image/gallerie_cartes/these_animated_rasters2.gif)]

---
## "Petits multiples", raster
### Assolement de 2010 à 2019
<center>![:scale 85%](data:image/png;base64,#image/gallerie_cartes/these_small_multiples_raster2.png)<br /></center>

---
## "Petits multiples", vectoriel
### Concentration en TP dans des têtes de bassin versant pour plusieurs dates d'échantillonage
<center>![:scale 50%](data:image/png;base64,#image/gallerie_cartes/these_small_multiples_vectors.png)<br /></center>

---
## "Animé", vectoriel
### Concentration en TP dans des têtes de bassin versant pour plusieurs dates d'échantillonage
<center>![:scale 60%](data:image/png;base64,#image/gallerie_cartes/these_animated_vectors.gif)<br /></center>

---
## Planche dans article
### Raster et vectoriel
<center>![:scale 90%](data:image/png;base64,#image/gallerie_cartes/these_acasquin_landscape_eco1.png)<br /></center>
<span style="font-size:70%"> .footnote[Casquin, A., Dupas, R., Gu, S. et al. The influence of landscape spatial configuration on nitrogen and phosphorus exports in agricultural catchments. Landscape Ecol (2021). https://doi.org/10.1007/s10980-021-01308-5 ] </span>

---
## Planche dans article
### Vectoriel et histogrammes
<center>![:scale 80%](data:image/png;base64,#image/gallerie_cartes/these_acasquin_landscape_eco2.png)<br /></center>
<span style="font-size:70%"> .footnote[Casquin, A., Dupas, R., Gu, S. et al. The influence of landscape spatial configuration on nitrogen and phosphorus exports in agricultural catchments. Landscape Ecol (2021). https://doi.org/10.1007/s10980-021-01308-5 ] </span>

---
## Une cartographie web des zones à risque de transfert de Phosphore
https://antoine-csqn.github.io/YV1.html

## Fin de l'Introduction

## Programme
1.	Introduction : Motivations et exemples (1h)
1.	Manipulation de données avec le tidyverse (1h30)
1.	Les bases de ggplot (1h)
1.	Analyse de données vectorielles géolocalisées avec le package sf (Partie 1 et 2, 7h)
1.	Analyse de données raster avec le package raster (5h)
1.	Délimitation de bassins versants et analyse de terrain avec le package whitebox (2h00)
1.	Cartographie thématique avec ggplot et tmap (2h)

---